노이즈 환경에서 밴드제한 그래프 신호 샘플링 최적 설계

본 논문은 그래프 라플라시안 기반의 밴드제한 그래프 신호를 잡음이 섞인 부분 측정값으로부터 정확히 복원하기 위한 샘플링 집합 설계 문제를 다룬다. 먼저, 그래프 신호 f∈ℝⁿ이 라플라시안 L의 고유벡터 V를 이용해 f=V_K ĥ_f_K 로 표현될 수 있음을 상기하고, M개의 측정값 y_S=Ψ f+w 로부터 ĥ_f_K 를 최소 분산 추정량 ˆf_K=V_MK† y_S 로 복원한다. 여기서 Ψ는 샘플링 연산자이며, V_MK=Ψ V_K 가 측정 행렬이다. 복원 오차 e=V_K V_MK† w 의 공분산 행렬 E=V_K( V_MKᵀ V_MK )⁻¹V_Kᵀ 를 최소화하는 것이 목표이며, D‑optimal(log det), E‑optimal(‖·‖_F²), A‑optimal(Tr) 등 여러 스칼라화 기준을 적용한다. 샘플링 집합 설계는 “어떤 노드의 고유벡터 u_i 를 몇 번 측정할 것인가”라는 형태로 전개된다. 각 노드 i에 할당될 측정 횟수 m_i 를 비율 p_i=m_i/M 로 정의하고, 전체 예산 M을 만족하도록 Σ_i p_i=1, p_i≥0 로 제한한다. 목적 함수는 Σ_i p_i u_i u_iᵀ 의 역행렬에 대한 스칼라화 형태가 되며, 이는 전형적인 실험 설계 문제와 동일함을 보인다. 정수 제약을 그대로 두면 NP‑hard인 조합 최적화가 되지만, Boyd의 방법을 차용해 p_i 를 연속 변수로 완화하면 볼록 최적화 문제(15)를 얻는다. 이 문제는 interior‑point 등 표준 솔버로 전역 최적 해 p*를 효율적으로 구할 수 있다. 다만, 실제 샘플 수는 정수여야 하므로 p* 를 정수화해야 하는데, 기존의 단순 반올림은 편향을 발생시킨다. 이를 해결하기 위해 저자는 확률적 양자화(Q) 방식을 도입한다. 구간